基于时序上采样卷积神经网络的风机叶片结冰检测

摘要：

风电机组叶片结冰检测对风电机组的安全性、可靠性以及经济性具有非常重要的现实意义.针对风电机组运行观测数据的非平衡和单点无时序性问题,提出一种基于过采样和时序上采样卷积神经网络的风机叶片结冰检测方法.首先,采用数据自适应综合过采样算法对原始非平衡数据集进行重采样,实现对非平衡数据集的均衡;然后,提出并构建一种时序上采样卷积神经网络模型,将原始单点向量型数据进行重构并上采样为二维网格型数据,同时将其自动映射成为稀疏的特征表示,实现准确的风机叶片结冰检测功能;最后,将所提出方法在真实风场采集的数据集上进行验证.实验结果表明,所提出的风机叶片结冰检测方法在数据集非平衡且采集条件有限(单点无时序性数据)的情况下,具有一定的有效性、稳定性和可行性.

关键词：叶片结冰检测、非平衡数据、向量型数据、时序上采样、一维卷积神经网络、深度学习

所属期刊栏目：37

分类号：TP206.3(自动化技术及设备)

资助基金：国家自然科学基金61773260

在线出版日期：2022-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2017-2025